Al cuore dell’intelligenza artificiale, lo sappiamo tutti, ci sono gli LLM, che significativamente sono modelli del linguaggio di grandi dimensioni e non modelli di intelligenza. Non è un caso. Infatti, gli LLM sono mossi da quell’algoritmo statistico, il Transformer, di cui nessuno, a partire dai suoi stessi autori, era stato in grado di prevedere scalabilità e capacità di generalizzazione.
Indice degli argomenti
L’AI e l’anello della traduzione universale
Tutto questo è noto, ma è meno noto quanto segue e cioè che traducendo da una lingua all’altra, in modo praticamente universale, il Transformer arriva alla conoscenza astratta.
Mi spiego con un esempio che ci permetterà di porre una domanda affascinante. Immaginiamo di partire da un testo, supponiamo in italiano, e di tradurlo in tedesco e poi in francese e poi in inglese e poi in cinese e poi nuovamente in italiano. Supponiamo che la traduzione non abbia cambiato niente di significativo e che non ci sia stata alcuna deriva semantica. Potremmo disporre tutte queste traduzioni in lingue diverse ad anello. L’anello, si sa, non ha né un fine né un inizio. Il testo era originariamente in italiano, ma questo è un fatto accidentale. Ognuna di quelle traduzioni avrebbe potuto essere l’inizio di questa catena, anzi avrebbe potuto essere un segmento dell’anello. Nessuna ha un ruolo privilegiato.
Ecco la domanda: questo testo che stiamo traducendo, in realtà in quale linguaggio è effettivamente scritto? E la risposta è che stiamo traducendo qualcosa che non corrisponde a nessuna lingua in particolare. L’anello della traduzione universale non ha né un inizio né una fine. Quindi non esiste un originale, se non in senso accidentale e storico, ma altrettante proiezioni sui vari piani delle varie lingue. Che cosa è questa cosa che si proietta su piani linguistici diversi? Un candidato interessante è la forma logica di cui il primo Ludwig Wittgenstein aveva parlato. Tra un attimo proverò a spiegare perché parlare di forma logica e non di conoscenza.
LLM e forma logica oltre la singola lingua
Il punto di partenza, però, è che un traduttore universale (come gli LLM) ci pone di fronte al fatto che la forma non è legata a un particolare dominio linguistico, a una particolare lingua. La forma logica è quella struttura che è in comune a tutte le proiezioni, a tutte le articolazioni, a tutte le declinazioni nelle lingue e negli stili esistenti. In passato, diciamo fino al 2015, i traduttori cercavano di muoversi in orizzontale, da una lingua all’altra, cercando di applicare regole dirette tra due lingue. Il Transformer ha cambiato paradigma. Non traduce direttamente da una lingua all’altra (anche se nelle prime implementazioni si allenava su due lingue alla volta) ma piuttosto trasformando ogni testo in una struttura condizionale che non corrisponde a nessuna lingua in particolare. Usando un’immagine suggestiva a scopo meramente evocativo, la forma logica è il centro di gravità semantico dell’anello.
Voglio che sia chiaro che non sto sminuendo le capacità degli LLM, al contrario. La traduzione è la chiave del linguaggio che è lo strumento della conoscenza. E la conoscenza è potere. La traduzione universale ha reso esplicito come, moltissimi settori erano sostanzialmente impegnati nel tradurre un medium in un altro, senza aggiungere alcun valore specifico. Un caso paradigmatico è offerto da due settori che tradizionalmente coinvolgevano persone e tradizioni totalmente diverse: l’interpretariato e la programmazione. Si è visto che tradurre dal tedesco al francese non è poi così diverso dal tradurre dal C++ al Python. L’unica differenza è che la traduzione tra i linguaggi di programmazione è più semplice, perché i linguaggi sono dotati di una sintassi rigida e invariante. Alla fine, però, programmatori e interpreti non sono così diversi, come d’altronde si era sempre capito: i termini utilizzati per descrivere il loro lavoro, dal famoso interprete BASIC in poi, sono proprio usati nelle facoltà di interpretariato.
Il Transformer oltre i pappagalli stocastici
Questa semplice riflessione mette in discussione l’idea un po’ ingenua dei «pappagalli stocastici» di Emily Bender e Timnit Gebru e ci fa capire che il Transformer non sta semplicemente indovinando una parola in una particolare lingua e in un particolare testo. Il Transformer, per trovare quella parola, ha prima dovuto ricostruire quella forma logica che non è né inglese né tedesco, né italiano né Python, né C++ né JavaScript. Muovendosi da questa forma logica, può indovinare in una particolare lingua la parola successiva. Non a caso Ilya Sutskever, tra i padri di questa rivoluzione, ama ripetere che per predire davvero la parola successiva un modello è costretto a comprendere la realtà che ha generato il testo: comprimere, in fondo, è capire.
Questo semplice esempio ci fa vedere come esistano due percorsi per prevedere la parola successiva.
Il primo percorso è quello orizzontale, quello del pappagallo stocastico di Emily Bender, ovvero all’interno di un particolare linguaggio io cerco di prevedere la parola successiva senza alzarmi mai dal piano di quel linguaggio.
Ma un secondo metodo, quello percorso dal Transformer, consiste nel ricavare da quel linguaggio quella forma logica che non è specifica di quella particolare lingua. Se vogliamo muoverci in verticale per salire a una forma che è in comune a tutte le possibili declinazioni in lingue diverse di quella stessa forma, è da questo livello più alto, da questa dimensionalità maggiore, che io posso riuscire a indovinare lo sviluppo del linguaggio. È per questo motivo che i modelli del linguaggio, fino al Transformer, non avevano mai funzionato: perché cercavano di muoversi all’interno del piano di una lingua particolare. Cercavano di individuare delle regole semantiche o delle uniformità sintattiche che, senza uscire dal piano di quella lingua particolare, ne potessero prevedere lo sviluppo. Questo non funzionava.
La forma logica come struttura ad alta dimensionalità
Il Transformer invece, grazie alla forza bruta, grazie ai milioni di miliardi di parametri che estrae dal linguaggio, è in grado di ricostruire, approssimare, individuare la forma logica che ha una dimensionalità molto più alta di quella del linguaggio su cui viene addestrato. Una forma logica che si proietta in tante lingue diverse. Muovendosi dall’alto della forma logica che ha una dimensionalità più alta, il Transformer riesce così a prevedere le regolarità, altrimenti imprevedibili, del piano linguistico, che ha una dimensionalità più limitata.
Faccio un esempio geometrico. Supponiamo di avere una forma geometrica tridimensionale, come un pezzo solido del Tetris disposto a L. Se proiettassimo questo solido su un piano potremmo ottenere ombre diverse. Chiamiamo ogni piano con il nome di una lingua e consideriamo le ombre come l’espressione in quella lingua di quel solido. Potremmo prevedere l’ombra italiano conoscendo solo l’ombra inglese? Sarebbe molto difficile e soggetto a facili errori. Non esistono regole che predicano un’ombra a partire da un’altra. Ma se conoscessimo il solido tridimensionale, ecco che sarebbe facilissimo prevedere un’ombra a partire da un’altra, perché dall’ombra risaliremmo alla figura tridimensionale e poi ridiscenderemmo a un’altra proiezione. Anzi, potremmo facilmente prevedere qualsiasi proiezione. È quello che fanno gli LLM.
Dalla Platonic Representation Hypothesis alla convergenza locale
Si dirà che questa è una congettura da filosofo. E invece la ricerca più recente conferma questa intuizione. Un gruppo del MIT, Huh, Cheung et al (2024), ha proposto la Platonic Representation Hypothesis: reti neurali diverse, persino modelli addestrati sulle immagini e modelli addestrati sui testi, finiscono per convergere verso lo stesso spazio di rappresentazione, verso un unico «modello statistico condiviso della realtà». È il centro del nostro anello in chiave platonica che ovviamente non va presa metafisicamente alla lettera. L’ipotesi ha fatto discutere al punto che, nel 2026, ha proposto in alternativa la Aristotelian Representation Hypothesis secondo cui, una volta neutralizzati i fattori di scala che gonfiano artificialmente le somiglianze, la convergenza globale verso un’unica forma ideale svanisce, mentre resta una robusta convergenza locale: dalle forme a priori di Platone alle categorie a posteriori di Aristotele. Se consideriamo la forma logica in modo strumentale, il centro di gravità dell’anello, non ci sono grosse differenze, ma è divertente vedere questa riproposizione della classica controversia platonico-aristotelica sugli universali.
In modo analogo, nel 2025 i ricercatori di Anthropic, in On the Biology of a Large Language Model, hanno mostrato che, chiedendo a Claude il contrario di «piccolo» in inglese, in francese e in cinese, si accendono le stesse strutture interne: il concetto di «piccolezza» e quello di «opposto» convivono in un nucleo comune, e solo all’ultimo vengono tradotti nella lingua della domanda. Il modello, insomma, si muove in una forma logica condivisa tra le lingue che precede la sua proiezione nell’una o nell’altra. Questa universalità, si badi, cresce con la taglia del modello, come se la forma logica affiorasse soltanto quando i parametri diventano abbastanza numerosi.
Le proiezioni linguistiche degli LLM
Ritornando alla metafora di una forma dotata di una dimensionalità più grande dei piani su cui si proietta, è importante rendersi conto che i piani non sono necessariamente quelli delle diverse lingue, ma possono essere anche piani legati a una diversa modalità linguistica, a un diverso genere. Per esempio, possiamo chiedere al Transformer di proiettarmi un’ipotesi sul piano degli abstract tecnici, oppure sul piano delle relazioni dettagliate, oppure sul piano degli articoli di divulgazione, e così via. Ognuno di essi è un piano linguistico alternativo che un LLM non ha alcuna difficoltà a generare, perché si muove dalla forma multidimensionale di livello più alto.
In queste righe, abbiamo chiamato questa forma iperdimensionale, il famoso milione di miliardi di parametri strombazzato dagli LLM, forma logica in onore di Wittgenstein, oppure anche conoscenza. Tuttavia, anche se corrisponde alla conoscenza del mondo, rimane una forma vuota dell’esistenza. Il motivo è che non contiene in sé il significato di ciò che descrive. È una forma che non contiene il bagnato dell’acqua, il rosso del sangue, il peso di un bilanciere, il sapore di una fetta di torta, la solidità di una tavola di mogano.
Forma logica, significato e realtà concreta
Avrete notato che la lista che ho fatto è mista rispetto alla tradizionale contrapposizione tra soggettivo e oggettivo, tra mentale e fisico. Questo perché, trattando con l’IA, queste distinzioni sono obsolete. I significati non stanno in una presunta interiorità, che né un’intelligenza artificiale né un cervello possono collocare in alcun luogo fisico, ma corrispondono alle cose stesse. L’IA insegna ai filosofi che non esiste uno spazio interiore. Il linguaggio degli esseri umani, da cui poi è derivata la forma logica del Transformer e quindi la conoscenza, funziona proprio perché cattura la forma delle relazioni che legano i fatti dell’esistenza. Questi fatti non sono fatti mentali, non sono pensieri: sono fatti concreti con i quali tutti i giorni il linguaggio si confronta attraverso le azioni che gli esseri umani compiono e che traducono in quel comportamento verbale che chiamiamo linguaggio.
Quindi la forma logica o conoscenza di cui abbiamo parlato si proietta anche su un altro piano, che non è di natura linguistica, è la realtà stessa. Sono gli eventi con cui noi abbiamo a che fare nella nostra esistenza e che traduciamo in forme linguistiche. Il linguaggio naturale cerca di fare con la realtà quello che il Transformer fa con i nostri linguaggi, arrivare a quella forma fatta di relazioni e rapporti causali tra gli eventi concreti e poi proiettarla sul piano di una particolare lingua.
Il valore del pensiero originale nell’economia dell’IA
Calando in concreto queste considerazioni, e scendendo all’uso quotidiano dell’IA agentica o generativa ci si accorge che, nel momento in cui tutto è traducibile da ogni lingua a ogni altra, il canale diventa totalmente trasparente. E questo rende i passaggi intermedi privi di valore economico perché è come quando si elimina il middle man e si può acquistare direttamente dal produttore. La singola proiezione linguistica non ha più alcun valore intrinseco, quello che conta è il centro di gravità: la forma logica, l’idea alla radice di un testo. Questo significa che il valore si sposta dall’esecuzione alla concezione: non chi sa scrivere in un certo stile o tradurre in un certo linguaggio, ma chi sa generare idee con una forma logica abbastanza ricca da proiettarsi efficacemente su tutti i piani. In un’economia in cui il canale è diventato trasparente, ciò che rimane opaco — e quindi prezioso — è soltanto il contenuto che il canale non può produrre da solo: il pensiero originale.
Bibliografia
• Vaswani A., Shazeer N., Parmar N., Uszkoreit J., Jones L., Gomez A. N., Kaiser Ł., Polosukhin I., «Attention Is All You Need», 2017. arXiv:1706.03762.
• Bender E. M., Gebru T., McMillan-Major A., Mitchell M., «On the Dangers of Stochastic Parrots: Can Language Models Be Too Big?», 2021.
• Wittgenstein L., «Tractatus logico-philosophicus», Annalen der Naturphilosophie, 1921.
• Huh M., Cheung B., Wang T., Isola P., «The Platonic Representation Hypothesis», 2024. arXiv:2405.07987. https://arxiv.org/abs/2405.07987
• Huh M., Cheung B., Wang T., Isola P., «Revisiting the Platonic Representation Hypothesis: An Aristotelian View», 2026. arXiv:2602.14486. https://arxiv.org/abs/2602.14486
• Lindsey J. et al. (Anthropic), «On the Biology of a Large Language Model», Transformer Circuits, 2025. https://transformer-circuits.pub/2025/attribution-graphs/biology.html
Partecipa alla community